CN110309330B - 视觉地图的处理方法和装置 - Google Patents

视觉地图的处理方法和装置 Download PDF

Info

Publication number
CN110309330B
CN110309330B CN201910586337.8A CN201910586337A CN110309330B CN 110309330 B CN110309330 B CN 110309330B CN 201910586337 A CN201910586337 A CN 201910586337A CN 110309330 B CN110309330 B CN 110309330B
Authority
CN
China
Prior art keywords
image
map
updated
sub
images
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910586337.8A
Other languages
English (en)
Other versions
CN110309330A (zh
Inventor
王志昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910586337.8A priority Critical patent/CN110309330B/zh
Publication of CN110309330A publication Critical patent/CN110309330A/zh
Application granted granted Critical
Publication of CN110309330B publication Critical patent/CN110309330B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种视觉地图的处理方法和装置，该方法包括：确定待更新的视觉地图中所对应的目标场景，并根据所述目标场景，获取与所述目标场景相关联的众源数据；对所述众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中；根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集；根据更新后的所述子地图集，对所述待更新的视觉地图进行更新处理。本发明提供的视觉地图的处理方法和装置可以降低视觉地图更新的成本，而且可以根据无序的图像对视觉地图进行更新。

Description

视觉地图的处理方法和装置
技术领域
本发明涉及图像处理技术，尤其涉及一种视觉地图的处理方法和装置。
背景技术
视觉地图更新在视觉定位问题中占据着非常重要的地位，室内场景如商场、展厅等，会随着商品更换和展示内容变更发生很大的变化；室外场景如景点街道等，会随着昼夜或四季的变化而变化，而视觉地图恰恰对这些变化非常敏感。因此，及时进行视觉地图更新尤为重要。
现有技术中，需要工作人员按照既定路线定期采集数据，以根据采集的数据进行视觉地图更新。例如室外场景的四季变化需要采集四季的图像数据，而室内场景由于商品更换和展示内容的变化，需要尽可能实时进行图像数据采集。
然而，当目标场景范围很大或者变化频繁时，上述采集方式的采集成本非常庞大。而且由于工作人员按照既定路线定期采集的数据是具有时序关系的，也即现有技术中对视觉地图进行更新的方式，是基于具有时序关系的图片进行的。因此，基于不具备时序关系的图片，如何进行视觉地图的更新，是目前亟待解决的技术问题。
发明内容
为解决现有技术中存在的问题，本发明提供一种视觉地图的处理方法和装置。
第一方面，本发明实施例提供一种视觉地图的处理方法，包括：
确定待更新的视觉地图中所对应的目标场景，并根据所述目标场景，获取与所述目标场景相关联的众源数据；
对所述众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中；
根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集；
根据更新后的所述子地图集，对所述待更新的视觉地图进行更新处理。
在一种可能的实现方式中，所述对所述众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中，包括：
对于所述众源数据中的每帧图像，获取所述图像与所述待更新的视觉地图的第一2D-3D匹配对，并根据所述第一2D-3D匹配对获取拍摄所述图像的拍摄装置的位姿，并根据所述位姿，获取所述图像与所述待更新的视觉地图的第二2D-3D匹配对，再根据所述第一2D-3D匹配对、所述第二2D-3D匹配对以及质量评估阈值，对所述图像进行标识，所述标识为成功标识或者失败标识；
分别将带有标识的每帧图像加入至所述待更新的视觉地图对应的子地图集中。
在一种可能的实现方式中，所述根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集，包括：
分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，以确定是否有新的三维点生成；
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，分别对其进行重新标识处理。
在一种可能的实现方式中，所述方法还包括：
确定所述图像在所述待更新的视觉地图中进行视觉定位是否成功；
则所述获取拍摄所述图像的拍摄装置的位姿，包括：
在确定所述图像在所述待更新的视觉地图中进行视觉定位成功时，获取所述拍摄装置的位姿。
在一种可能的实现方式中，所述根据所述位姿，获取所述图像与所述待更新的视觉地图的第二2D-3D匹配对，包括：
根据所述拍摄所述图像的拍摄装置的位姿，将所述待更新的视觉地图中的地图点向所述图像投影，以获取所述第二2D-3D匹配对。
在一种可能的实现方式中，所述若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，分别对其进行重新标识处理，包括：
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，对于每个标识为失败的图像，根据所述新的三维点，对所述标识为失败的图像求解，若求解出所述标识为失败的图像的拍摄装置对应的位姿，则根据所述位姿，将所述待更新的视觉地图中的地图点向所述标识为失败的图像投影，以获取2D-3D匹配对，并根据所述2D-3D匹配对以及质量评估阈值，对所述标识为失败的图像进行重新标识。
在一种可能的实现方式中，根据所述新的三维点，对所述标识为失败的图像求解，求解出所述标识为失败的图像的拍摄装置对应的位姿，包括：
根据所述新的三维点，采用RANSAC pnp方法对所述标识为失败的图像求解，求解出所述标识为失败的图像的拍摄装置对应的位姿。
在一种可能的实现方式中，所述分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理之前，所述方法还包括：
对于每帧图像，根据所述图像和所述待更新的视觉地图之间的2D-3D匹配对，对拍摄所述图像的拍摄装置的位姿进行非线性优化处理，以更新拍摄装置的位姿。
在一种可能的实现方式中，所述分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，包括：
对所述子地图集中的所有图像进行2D-2D匹配处理，得到匹配结果；
根据所述匹配结果，对所述子地图集中标识为成功的图像进行三角化处理。
第二方面，本发明实施例提供一种视觉地图的处理装置，包括：
确定模块，用于确定待更新的视觉地图中所对应的目标场景；
获取模块，用于根据所述目标场景，获取与所述目标场景相关联的众源数据；
处理模块，用于对所述众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中；
所述处理模块，用于根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集；
更新模块，用于根据更新后的所述子地图集，对所述待更新的视觉地图进行更新处理。
在一种可能的实现方式中，所述处理模块，具体用于：
对于所述众源数据中的每帧图像，获取所述图像与所述待更新的视觉地图的第一2D-3D匹配对，并根据所述第一2D-3D匹配对获取拍摄所述图像的拍摄装置的位姿，并根据所述位姿，获取所述图像与所述待更新的视觉地图的第二2D-3D匹配对，再根据所述第一2D-3D匹配对、所述第二2D-3D匹配对以及质量评估阈值，对所述图像进行标识，所述标识为成功标识或者失败标识；
分别将带有标识的每帧图像加入至所述待更新的视觉地图对应的子地图集中。
在一种可能的实现方式中，所述处理模块，具体用于：
分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，以确定是否有新的三维点生成；
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，分别对其进行重新标识处理。
在一种可能的实现方式中，所述确定模块，还用于：确定所述图像在所述待更新的视觉地图中进行视觉定位是否成功；
所述获取模块，还用于：
在确定所述图像在所述待更新的视觉地图中进行视觉定位成功时，获取所述拍摄装置的位姿。
在一种可能的实现方式中，所述获取模块，还用于：
根据所述拍摄所述图像的拍摄装置的位姿，将所述待更新的视觉地图中的地图点向所述图像投影，以获取第二2D-3D匹配对。
在一种可能的实现方式中，所述处理模块，具体用于：
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，对于每个标识为失败的图像，根据所述新的三维点，对所述标识为失败的图像求解，若求解出所述标识为失败的图像的拍摄装置对应的位姿，则根据所述位姿，将所述待更新的视觉地图中的地图点向所述标识为失败的图像投影，以获取2D-3D匹配对，并根据所述2D-3D匹配对以及质量评估阈值，对所述标识为失败的图像进行重新标识。
在一种可能的实现方式中，所述处理模块，具体用于：
根据所述新的三维点，采用RANSAC pnp方法对所述标识为失败的图像求解，求解出所述标识为失败的图像的拍摄装置对应的位姿。
在一种可能的实现方式中，所述处理模块，具体用于：
对于每帧图像，根据所述图像和所述待更新的视觉地图之间的2D-3D匹配对，对拍摄所述图像的拍摄装置的位姿进行非线性优化处理，以更新拍摄装置的位姿。
在一种可能的实现方式中，所述处理模块，具体用于：
对所述子地图集中的所有图像进行2D-2D匹配处理，得到匹配结果；
根据所述匹配结果，对所述子地图集中标识为成功的图像进行三角化处理。
第三方面，本发明实施例提供一种电子设备，包括：
处理器；
存储器；以及
计算机程序；
其中，所述计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述计算机程序包括用于执行如第一方面所述的方法的指令。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得电子设备执行第一方面所述的方法。
本发明提供的视觉地图的处理方法和装置，通过确定待更新的视觉地图中所对应的目标场景，并根据目标场景，获取与该目标场景相关联的众源数据，然后对众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至待更新的视觉地图对应的子地图集中，再根据子地图集中标识为成功的图像，对标识为失败的图像进行重新标识处理，以更新上述子地图集，然后根据更新后的子地图集，对待更新的视觉地图进行更新处理。由于通过获取与目标场景相关联的众源数据，并通过获取到的众源数据对待更新的视觉地图进行更新，由此可以降低视觉地图更新的成本。另外，通过对众源数据中的每帧图像依次进行标识处理，从而对待更新的视觉地图进行更新处理，由此可以根据无序的图像也能对视觉地图进行更新。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的视觉地图的处理方法实施例一的流程示意图；
图2为本发明视觉地图的处理装置实施例一的结构示意图；
图3A示出了本发明电子设备的一种可能的结构示意图；
图3B示出了本发明电子设备的另一种可能的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供的视觉地图的处理方法，可以应用于视觉地图的更新的场景中，尤其应用于通过众源数据，对视觉地图进行更新的场景中。现有技术中，需要工作人员按照既定路线定期采集数据，以根据采集的数据进行视觉地图更新。例如室外场景的四季变化需要采集四季的图像数据，而室内场景由于商品更换和展示内容的变化，需要尽可能实时进行图像数据采集。然而，当目标场景范围很大或者变化频繁时，上述采集方式的采集成本非常庞大。而且由于工作人员按照既定路线定期采集的数据是具有时序关系的，也即现有技术中对视觉地图进行更新的方式，是基于具有时序关系的图片进行的。因此，如何基于不具备时序关系的图片，对视觉地图进行更新，是非常重要的一个问题。
本发明实施例中考虑到这一问题，提出一种视觉地图的处理方法，通过确定待更新的视觉地图中所对应的目标场景，并根据目标场景，获取与该目标场景相关联的众源数据，然后对众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至待更新的视觉地图对应的子地图集中，再根据子地图集中标识为成功的图像，对标识为失败的图像进行重新标识处理，以更新上述子地图集，然后根据更新后的子地图集，对待更新的视觉地图进行更新处理。由于通过获取与目标场景相关联的众源数据，并通过获取到的众源数据对待更新的视觉地图进行更新，由此可以降低视觉地图更新的成本。另外，通过对众源数据中的每帧图像依次进行标识处理，从而对待更新的视觉地图进行更新处理，由此避免了现有技术中必须依赖有序图像才能对视觉地图进行更新的现象。
下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例提供的视觉地图的处理方法实施例一的流程示意图，本发明实施例提供了一种视觉地图的处理方法，该方法可以由任意执行视觉地图的处理方法的装置来执行，该装置可以通过软件和/或硬件实现。本实施例中，该装置可以集成在电子设备中，其中，该电子设备可以是终端设备，也可以是服务器。如图1所示，本发明实施例提供的视觉地图的处理方法包括如下步骤：
步骤101：确定待更新的视觉地图中所对应的目标场景，并根据目标场景，获取与目标场景相关联的众源数据。
在本步骤中，电子设备在获取到待更新的视觉地图之后，可以根据该待更新的视觉地图，确定对应的目标场景，其中，目标场景可以为待更新的视觉地图中所包含的某个场景，例如商场、展厅、建筑物或者街道等。
另外，众源数据可以是用户在使用某个服务或者在其他情况下拍摄的图像，例如：用户在使用某个应用程序的过程中拍摄的图像，或者用户在旅游时拍摄的照片等。其中，众源数据中包括有多帧图像。用户在拍摄图像后，可以将拍摄的图像上传到服务器进行保存。
值得注意的是，众源数据应该满足一些条件，例如拍摄时间彼此不超过预设值(例如均为一周内拍摄，以便使其所包含的、变更后的商品和展示内容是一致的)，又例如均为同一天气现象时拍摄(均为下雨或均为下雪时拍摄，使其所包含的雨景或雪景特征是一致的)，又例如要求拍摄时具有相似的光照条件(以便得到一致的昼夜特征)等等。
电子设备在确定出目标场景后，将会从服务器中获取与目标场景相关联的众源数据，也即从服务器中获取与目标场景相关联的多帧图像。
在一种可能的实现方式中，用户在将拍摄的图像上传到服务器时，还可以同时将拍摄该图像时的位置信息上传到服务器进行保存。电子设备在从服务器中获取到众源数据中的某帧图像时，将根据拍摄该图像时的位置信息，以及目标场景对应的位置信息，确定该帧图像是否为与目标场景相关联的众源数据。若拍摄该图像时的位置信息和目标场景对应的位置信息相同，或者拍摄该图像时的位置信息和目标场景对应的位置信息之间的差值小于预设阈值，说明该图像处于目标场景附件，则确定该帧图像是与目标场景相关联的众源数据。其中，拍摄该图像时的位置信息可以为全球定位系统(Global Positioning System，GPS)信息。
在另一种可能的实现方式中，电子设备在获取到众源数据中的某帧图像之后，可以通过对该图像进行图像识别，以确定该图像中的场景是否与目标场景相同，若该图像中的场景与目标场景相同，则确定该图像为与目标场景相关联的众源数据。
需要进行说明的是，若确定出某帧图像不处于目标场景附近，或者确定出某帧图像中的场景与目标场景不相同，则将该帧图像做丢弃处理。
步骤102：对众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至待更新的视觉地图对应的子地图集中。
在本步骤中，电子设备在根据目标场景，获取到与目标场景相关联的众源数据之后，会将众源数据中包括的每帧图像依次进行处理，以将众源数据中的图像标识为成功或者失败，从而将标识后的每帧图像加入到待更新的视觉地图对应的子地图集中。
可选地，可以通过如下方式对众源数据中的每帧图像依次进行标识处理：对于众源数据中的每帧图像，获取图像与待更新的视觉地图的第一2D-3D匹配对，并根据第一2D-3D匹配对获取拍摄图像的拍摄装置的位姿，并根据该位姿，获取图像与待更新的视觉地图的更多的第二2D-3D匹配对，再根据第一2D-3D匹配对、第二2D-3D匹配对以及质量评估阈值，对图像进行标识，其中，该标识为成功标识或者失败标识，然后再分别将带有标识的每帧图像加入至待更新的视觉地图对应的子地图集中。
具体地，对于众源数据中的每帧图像，需要先确定该帧图像在待更新的视觉地图中进行视觉定位是否成功，也即确定该帧图像是否能够利用待更新的视觉地图进行定位，也就是说，确定该帧图像与待更新的视觉地图是否匹配。其中，若该帧图像在待更新的视觉地图中进行视觉定位成功，则可以认为该帧图像中的主要拍摄对象是待更新的视觉地图中，那些不随着昼夜、季节、商品更换和展示内容变换的部分，例如商铺名称的招牌、不会落积雪的垂直电线杆等等。若该帧图像在待更新的视觉地图中进行视觉定位失败，则可以认为该帧图像是在待更新的视觉地图中无法定位的图像。
在一种实现方式中，若图像在待更新的视觉地图中进行视觉定位失败，则可以直接将该图像标记为失败标识。
在另一种实现方式中，若确定图像在待更新的视觉地图中进行视觉定位成功时，将会根据2D-3D匹配算法，获取到一些图像与待更新的视觉地图的第一2D-3D匹配对，然后利用这些第一2D-3D匹配对，确定拍摄图像的拍摄装置的位姿。其中，拍摄装置可以包括手机、平板电脑、照相机或者可穿戴设备等，拍摄装置的位姿可以包括拍摄装置的位置和姿态。在具体的实现过程中，由于待更新的视觉地图对应的三维点云是已知的，根据该图像，可以解算出拍摄这张图像时拍摄装置在待更新的视觉地图对应的三维点云下的位姿。
在获取到拍摄图像的拍摄装置的位姿之后，将根据该位姿，获取图像与待更新的视觉地图之间的更多的第二2D-3D匹配对，其中，2D-3D匹配对可以理解为图像中的2D点和待更新的视觉地图中的3D点能够对应同一个特征。在实际应用中，可以根据拍摄图像的拍摄装置的位姿，将待更新的视觉地图中的地图点向该图像投影，以获取第二2D-3D匹配对。具体可以通过2D-3D匹配算法，获取图像与待更新的视觉地图的第二2D-3D匹配对。
对于某一帧图像，在获取到所有图像与待更新的视觉地图的第一2D-3D匹配对以及第二2D-3D匹配对后，将根据获取到的所有2D-3D匹配对以及质量评估阈值，对该帧图像进行质量评估，若质量评估满足要求，则将该帧图像标记为成功标识，若质量评估不满足要求，则将该帧图像标记为失败标识。
具体地，在根据获取到的2D-3D匹配对以及质量评估阈值，对该帧图像进行质量评估时，可以首先判断获取到的2D-3D匹配对的数量是否大于第一预设阈值，在2D-3D匹配对的数量大于第一预设阈值时，判断2D-3D匹配对中的2D点在图像中的分布是否足够分散。其中，可以计算所有的2D点在图像中的坐标位置的平均值，从而得到点A，然后通过计算点A到所有2D点的距离，并计算这些距离的平均值，通过判断该平均值是否大于第二预设阈值，若该平均值大于第二预设阈值，则说明2D-3D匹配对中的2D点在图像中的分布足够分散，从而可以确定该帧图像的质量评估满足要求。在确定该帧图像质量评估满足要求时，可以将该图像标记为成功标识。
根据上述方式，将众源数据中的所有图像依次进行标记后，将带有成功标识或失败标识的每帧图像加入至待更新的视觉地图对应的子地图集中。
需要进行说明的是，标记为成功标识的图像，是该帧图像中的主要拍摄对象是待更新的视觉地图中，那些不随着昼夜、季节、商品更换和展示内容变换的部分，例如商铺名称的招牌、不会落积雪的垂直电线杆等等。而标记为失败标识的图像，是无法进行定位的图像，这一方面有可能是因为标记为失败标识的图像中包含了随着昼夜、季节、商品更换和展示内容变换的部分，另一方面也有可能是因为标记为失败标识的图像中所拍摄的内容中包括遮挡了周围景物的行人等等。
步骤103：根据子地图集中标识为成功的图像，对标识为失败的图像进行重新标识处理，以更新子地图集。
在本步骤中，由于获取到的子地图集中包括有标识为成功的图像和标识为失败的图像，在获取到子地图集之后，通过对子地图集中标识为成功的图像进行处理，从而对标识为失败的图像重新进行标识处理，以将之前标识为失败的图像重新标识为成功，从而更新子地图集。
在一种可能的实现方式中，分别对待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，以确定是否有新的三维点生成，若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，分别对其进行重新标识处理。
可选地，为了提高对待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理的精度，在进行三角化处理之前，对于众源数据中的每帧图像，可以先根据图像和待更新的视觉地图之间的2D-3D匹配对，对拍摄图像的拍摄装置的位姿进行非线性优化处理，以更新拍摄装置的位姿。
具体地，通过将图像在待更新的视觉地图中做基于单张图像的视觉定位，得到拍摄图像的拍摄装置的位置之后，可以将2D-3D匹配对中的3D点投影到该图像中，会得到一个投影2D点。另外，根据2D-3D匹配对，可以得到3D点在该图像中实际对应的2D点，通过不断调整投影2D点和实际对应的2D点之间的距离，直至该距离为零，以此来对拍摄图像的拍摄装置的位姿进行非线性优化处理，从而更新拍摄装置的位姿。
进一步地，可以通过对待更新的视觉地图对应的子地图集中的所有图像进行2D-2D匹配处理，以得到匹配结果。其中，对所有图像进行2D-2D匹配处理，可以将所有图像中同一特征点对应的2D点进行归类，因此，该匹配结果中包括有同一特征点对应的所有2D点。在实际应用中，可以通过2D-2D匹配算法对所有图像进行2D-2D匹配处理，以得到匹配结果。
在得到匹配结果之后，分别对待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，从而可以得到同一特征点对应的所有2D点对应的三维点。通过将三角化处理后得到的三维点与待更新的视觉地图对应的三维点进行对比，以确定是否有新的三维点生成。
举例来说，假设子地图集中标识为成功的图像包括图像1、图像2和图像3，其中，图像1中的2D点A1、图像2中的2D点A2和图像3中的2D点A3相匹配，即对应同一个特征点。通过对2D点A1、2D点A2和2D点A3进行三角化处理，从而可以得到这些点对应的三维点。
若确定没有新的三维点生成，则说明这些标识为成功的图像中没有包含变换了的部分。此时，将根据得到的标识为成功的所有图像，确定这些图像对应的三维点云，从而将这些图像对应的三维点云与待更新的视觉地图对应的三维点云进行比对，以对待更新的视觉地图进行更新。
若确定有新的三维点生成，则说明这些标识为成功的图像中除了包含待更新的视觉地图中那些不随着昼夜、季节、商品更换和展示内容变换的部分，也包含了一些变换了的部分。此时，可以依次遍历子地图集中标识为失败的图像，分别对这些标识为失败的图像进行重新标识处理。
具体地，若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，对于每个标识为失败的图像，根据新的三维点，对标识为失败的图像求解，若求解出标识为失败的图像的拍摄装置对应的位姿，则根据该位姿，将待更新的视觉地图中的地图点向标识为失败的图像投影，以获取2D-3D匹配对，并根据2D-3D匹配对以及质量评估阈值，对标识为失败的图像进行重新标识。
其中，电子设备可以根据新的三维点，以及获取到的图像与待更新的视觉地图的第一2D-3D匹配对，采用RANSAC pnp方法对标识为失败的图像求解，以求解出标识为失败的图像的拍摄装置对应的位姿。若对某帧图像进行求解，且求解失败，也即未求解出拍摄装置对应的位姿，则对子地图集中标识为失败的下一个图像进行求解，直至遍历完子地图集中标识为失败的所有图像。
如求解出标识为失败的图像的拍摄装置对应的位姿，则可以根据求解出的位姿，将待更新的视觉地图中的地图点向该标识为失败的图像投影，从而通过2D-3D匹配算法获取更多的2D-3D匹配对。
对于某一帧标识为失败的图像，在获取到所有的2D-3D匹配对后，将根据获取到的2D-3D匹配对以及质量评估阈值，对该标识为失败的图像进行质量评估，若质量评估满足要求，则将该原本标识为失败的图像重新标识为成功，若质量评估不满足要求，则保持该原本标识为失败的图像的标记不变。
具体地，在根据获取到的2D-3D匹配对以及质量评估阈值，对该原本标识为失败的图像进行质量评估时，可以首先判断获取到的2D-3D匹配对的数量是否大于第一预设阈值，在2D-3D匹配对的数量大于第一预设阈值时，判断2D-3D匹配对中的2D点在标识为失败的图像中的分布是否足够分散。其中，可以计算所有的2D点在标识为失败的图像中的坐标位置的平均值，从而得到点A，然后通过计算点A到所有2D点的距离，并计算这些距离的平均值，通过判断该平均值是否大于第二预设阈值，若该平均值大于第二预设阈值，则说明2D-3D匹配对中的2D点在标识为失败的图像中的分布足够分散，从而可以确定该标识为失败的图像的质量评估满足要求。在确定该标识为失败的图像质量评估满足要求时，可以将该原本标识为失败的图像重新标识为成功，从而可以更新子地图集。
通过遍历子地图集中所有标识为失败的图像，直到全部剩余的标识为失败的图像都没法再重新标识为成功的图像为止。此时，这些剩余的标识为失败的图像与待更新的视觉地图的差异主要是由于行人车辆遮挡等因素造成的。
通过上述方式得到的标识为成功的图像中，包括了随着昼夜、季节、商品更换和展示内容变换而产生的新特征，通过将其合并入待更新的视觉地图中，则可以使得待更新的视觉地图得到低成本、高实时性的更新。
步骤104：根据更新后的子地图集，对待更新的视觉地图进行更新处理。
在本步骤中，在对子地图集进行更新后，根据更新后的子地图集中所有被标识为成功的图像，得到这些图像对应的三维点云。根据得到的三维点云，和待更新的视觉地图对应的三维点云进行对比，以对待更新的视觉地图进行更新处理。
本发明实施例提供的视觉地图的处理方法，通过确定待更新的视觉地图中所对应的目标场景，并根据目标场景，获取与该目标场景相关联的众源数据，然后对众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至待更新的视觉地图对应的子地图集中，再根据子地图集中标识为成功的图像，对标识为失败的图像进行重新标识处理，以更新上述子地图集，然后根据更新后的子地图集，对待更新的视觉地图进行更新处理。由于通过获取与目标场景相关联的众源数据，并通过获取到的众源数据对待更新的视觉地图进行更新，由此可以降低视觉地图更新的成本。另外，通过对众源数据中的每帧图像依次进行标识处理，从而对待更新的视觉地图进行更新处理，由此可以根据无序的图像也能对视觉地图进行更新。
图2为本发明视觉地图的处理装置实施例一的结构示意图，该装置可以位于电子设备，参见图2，该装置包括：确定模块11、获取模块12、处理模块13和更新模块14，其中：
确定模块11用于确定待更新的视觉地图中所对应的目标场景；
获取模块12用于根据所述目标场景，获取与所述目标场景相关联的众源数据；
处理模块13用于对所述众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中；
所述处理模块13用于根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集；
更新模块14用于根据更新后的所述子地图集，对所述待更新的视觉地图进行更新处理。
本发明实施例提供的视觉地图的处理装置，确定模块11确定待更新的视觉地图中所对应的目标场景，获取模块12根据目标场景，获取与该目标场景相关联的众源数据，然后处理模块13对众源数据中的每帧图像依次进行标识处理，并将标识后的每帧图像加入至待更新的视觉地图对应的子地图集中，再根据子地图集中标识为成功的图像，对标识为失败的图像进行重新标识处理，以更新上述子地图集，然后更新模块14根据更新后的子地图集，对待更新的视觉地图进行更新处理。由于通过获取与目标场景相关联的众源数据，并通过获取到的众源数据对待更新的视觉地图进行更新，由此可以降低视觉地图更新的成本。另外，通过对众源数据中的每帧图像依次进行标识处理，从而对待更新的视觉地图进行更新处理，由此可以根据无序的图像也能对视觉地图进行更新。
可选地，所述处理模块13，具体用于：
对于所述众源数据中的每帧图像，获取拍摄所述图像的拍摄装置的位姿，并根据所述位姿，获取所述图像与所述待更新的视觉地图的2D-3D匹配对，再根据所述2D-3D匹配对以及质量评估阈值，对所述图像进行标识，所述标识为成功标识或者失败标识；
分别将带有标识的每帧图像加入至所述待更新的视觉地图对应的子地图集中。
可选地，所述处理模块13，具体用于：
分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，以确定是否有新的三维点生成；
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，分别对其进行重新标识处理。
可选地，所述确定模块11，还用于：确定所述图像在所述待更新的视觉地图中进行视觉定位是否成功；
所述获取模块12，还用于：
在确定所述图像在所述待更新的视觉地图中进行视觉定位成功时，获取所述拍摄装置的位姿。
可选地，所述获取模块12，还用于：
根据所述拍摄所述图像的拍摄装置的位姿，将所述待更新的视觉地图中的地图点向所述图像投影，以获取2D-3D匹配对。
可选地，所述处理模块13，具体用于：
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，对于每个标识为失败的图像，根据所述新的三维点，对所述标识为失败的图像求解，若求解出所述标识为失败的图像的拍摄装置对应的位姿，则根据所述位姿，将所述待更新的视觉地图中的地图点向所述标识为失败的图像投影，以获取2D-3D匹配对，并根据所述2D-3D匹配对以及质量评估阈值，对所述标识为失败的图像进行重新标识。
可选地，所述处理模块13，具体用于：
根据所述新的三维点，采用RANSAC pnp方法对所述标识为失败的图像求解，求解出所述标识为失败的图像的拍摄装置对应的位姿。
可选地，所述处理模块13，具体用于：
对于每帧图像，根据所述图像和所述待更新的视觉地图之间的2D-3D匹配对，对拍摄所述图像的拍摄装置的位姿进行非线性优化处理，以更新拍摄装置的位姿。
可选地，所述处理模块13，具体用于：
对所述子地图集中的所有图像进行2D-2D匹配处理，得到匹配结果；
根据所述匹配结果，对所述子地图集中标识为成功的图像进行三角化处理。
上述装置可用于执行上述对应方法实施例提供的方法，具体实现方式和技术效果类似，这里不再赘述。
图3A示出了本发明电子设备的一种可能的结构示意图。电子设备100包括：处理单元102和通信单元103。处理单元102用于对电子设备100的动作进行控制管理，例如，处理单元102用于支持电子设备100执行图1的步骤101-步骤104，和/或用于本发明所描述的技术的其它过程。通信单元103用于支持电子设备100与其它网络实体的通信。电子设备100还可以包括存储单元101，用于存储电子设备100的计算机程序代码和数据。
其中，处理单元102可以是处理器或控制器，例如可以是CPU，通用处理器，数字信号处理器(DigitalSignalProcessor，DSP)，专用集成电路(Application-SpecificIntegrated Circuit，ASIC)，现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。通信单元103可以是通信接口、收发器、收发电路等，其中，通信接口是统称，可以包括一个或多个接口。存储单元101可以是存储器。
当处理单元102为处理器，通信单元103为通信接口，存储单元101为存储器时，本发明所涉及的电子设备可以为图3B所示的电子设备。
参阅图3B所示，该电子设备110包括：处理器112、通信接口113、存储器111。可选的，电子设备110还可以包括总线114。其中，通信接口113、处理器112以及存储器111可以通过总线114相互连接；总线114可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。所述总线114可以分为地址总线、数据总线、控制总线等。为便于表示，图3B中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
另外，存储器111中存储有计算机程序，并且被配置为由处理器112执行，该计算机程序包括用于执行如上图1所示实施例所述的方法的指令。
本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机程序，所述计算机程序使得电子设备执行前述图1所示实施例提供的视觉地图的处理方法。其中，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (12)

1.一种视觉地图的处理方法，其特征在于，包括：
确定待更新的视觉地图中所对应的目标场景，并根据所述目标场景，获取与所述目标场景相关联的众源数据；
根据所述众源数据中的每帧图像与所述待更新的视觉地图的2D-3D匹配对以及质量评估阈值，对所述图像进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中；
根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集；
根据更新后的所述子地图集，对所述待更新的视觉地图进行更新处理。
2.根据权利要求1所述的方法，其特征在于，所述根据所述众源数据中的每帧图像与所述待更新的视觉地图的2D-3D匹配对以及质量评估阈值，对所述图像进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中，包括：
对于所述众源数据中的每帧图像，获取所述图像与所述待更新的视觉地图的第一2D-3D匹配对，并根据所述第一2D-3D匹配对获取拍摄所述图像的拍摄装置的位姿，并根据所述位姿，获取所述图像与所述待更新的视觉地图的第二2D-3D匹配对，再根据所述第一2D-3D匹配对、所述第二2D-3D匹配对以及质量评估阈值，对所述图像进行标识，所述标识为成功标识或者失败标识；
分别将带有标识的每帧图像加入至所述待更新的视觉地图对应的子地图集中。
3.根据权利要求2所述的方法，其特征在于，所述根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集，包括：
分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，以确定是否有新的三维点生成；
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，分别对其进行重新标识处理。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
确定所述图像在所述待更新的视觉地图中进行视觉定位是否成功；
则所述获取拍摄所述图像的拍摄装置的位姿，包括：
在确定所述图像在所述待更新的视觉地图中进行视觉定位成功时，获取所述拍摄装置的位姿。
5.根据权利要求2所述的方法，其特征在于，所述根据所述位姿，获取所述图像与所述待更新的视觉地图的第二2D-3D匹配对，包括：
根据所述拍摄所述图像的拍摄装置的位姿，将所述待更新的视觉地图中的地图点向所述图像投影，以获取所述第二2D-3D匹配对。
6.根据权利要求3所述的方法，其特征在于，所述若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，分别对其进行重新标识处理，包括：
若确定有新的三维点生成，则遍历子地图集中标识为失败的图像，对于每个标识为失败的图像，根据所述新的三维点，对所述标识为失败的图像求解，若求解出所述标识为失败的图像的拍摄装置对应的位姿，则根据所述位姿，将所述待更新的视觉地图中的地图点向所述标识为失败的图像投影，以获取2D-3D匹配对，并根据所述2D-3D匹配对以及质量评估阈值，对所述标识为失败的图像进行重新标识。
7.根据权利要求6所述的方法，其特征在于，根据所述新的三维点，对所述标识为失败的图像求解，求解出所述标识为失败的图像的拍摄装置对应的位姿，包括：
根据所述新的三维点，采用RANSAC pnp方法对所述标识为失败的图像求解，求解出所述标识为失败的图像的拍摄装置对应的位姿。
8.根据权利要求3所述的方法，其特征在于，所述分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理之前，所述方法还包括：
对于每帧图像，根据所述图像和所述待更新的视觉地图之间的2D-3D匹配对，对拍摄所述图像的拍摄装置的位姿进行非线性优化处理，以更新拍摄装置的位姿。
9.根据权利要求2或5所述的方法，其特征在于，所述分别对所述待更新的视觉地图对应的子地图集中标识为成功的图像进行三角化处理，包括：
对所述子地图集中的所有图像进行2D-2D匹配处理，得到匹配结果；
根据所述匹配结果，对所述子地图集中标识为成功的图像进行三角化处理。
10.一种视觉地图的处理装置，其特征在于，包括：
确定模块，用于确定待更新的视觉地图中所对应的目标场景；
获取模块，用于根据所述目标场景，获取与所述目标场景相关联的众源数据；
处理模块，用于根据所述众源数据中的每帧图像与所述待更新的视觉地图的2D-3D匹配对以及质量评估阈值，对所述图像进行标识处理，并将标识后的每帧图像加入至所述待更新的视觉地图对应的子地图集中；
所述处理模块，用于根据所述子地图集中标识为成功的图像，对所述标识为失败的图像进行重新标识处理，以更新所述子地图集；
更新模块，用于根据更新后的所述子地图集，对所述待更新的视觉地图进行更新处理。
11.一种电子设备，其特征在于，包括：
处理器；
存储器；以及
计算机程序；
其中，所述计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述计算机程序包括用于执行如权利要求1-9任一项所述的方法的指令。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得电子设备执行权利要求1-9任一项所述的方法。
CN201910586337.8A 2019-07-01 2019-07-01 视觉地图的处理方法和装置 Active CN110309330B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910586337.8A CN110309330B (zh) 2019-07-01 2019-07-01 视觉地图的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910586337.8A CN110309330B (zh) 2019-07-01 2019-07-01 视觉地图的处理方法和装置

Publications (2)

Publication Number Publication Date
CN110309330A CN110309330A (zh) 2019-10-08
CN110309330B true CN110309330B (zh) 2021-08-31

Family

ID=68078523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910586337.8A Active CN110309330B (zh) 2019-07-01 2019-07-01 视觉地图的处理方法和装置

Country Status (1)

Country Link
CN (1) CN110309330B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114090706A (zh) * 2021-10-11 2022-02-25 深圳元戎启行科技有限公司 地图管理方法、装置及计算机可读存储介质
CN115439536B (zh) * 2022-08-18 2023-09-26 北京百度网讯科技有限公司 视觉地图更新方法、装置及电子设备
CN115631240B (zh) * 2022-12-21 2023-05-26 速度时空信息科技股份有限公司 大规模场景的视觉定位数据处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104050177A (zh) * 2013-03-13 2014-09-17 腾讯科技（深圳）有限公司 街景生成方法及服务器
CN109726255A (zh) * 2018-12-18 2019-05-07 斑马网络技术有限公司 Poi的自动更新方法、装置、系统及存储介质
CN109816726A (zh) * 2019-01-29 2019-05-28 京东方科技集团股份有限公司 一种基于深度滤波器的视觉里程计地图更新方法和系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101275854A (zh) * 2007-03-26 2008-10-01 日电（中国）有限公司 更新地图数据的方法和设备
CN103761274B (zh) * 2014-01-09 2017-03-01 深圳先进技术研究院 以全景摄像机对街景数据库进行更新的方法
CN106933831B (zh) * 2015-12-29 2021-07-30 阿里巴巴（中国）有限公司 一种室内地图数据的更新方法和装置
CN107990899B (zh) * 2017-11-22 2020-06-30 驭势科技（北京）有限公司 一种基于slam的定位方法和系统
CN108489482B (zh) * 2018-02-13 2019-02-26 视辰信息科技(上海)有限公司 视觉惯性里程计的实现方法及系统
CN109862084B (zh) * 2019-01-16 2021-10-08 北京百度网讯科技有限公司 地图数据更新方法、装置、系统及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104050177A (zh) * 2013-03-13 2014-09-17 腾讯科技（深圳）有限公司 街景生成方法及服务器
CN109726255A (zh) * 2018-12-18 2019-05-07 斑马网络技术有限公司 Poi的自动更新方法、装置、系统及存储介质
CN109816726A (zh) * 2019-01-29 2019-05-28 京东方科技集团股份有限公司 一种基于深度滤波器的视觉里程计地图更新方法和系统

Also Published As

Publication number Publication date
CN110309330A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
JP7480823B2 (ja) 情報処理装置、情報処理方法、及びプログラム
CN108694882B (zh) 用于标注地图的方法、装置和设备
CN110309330B (zh) 视觉地图的处理方法和装置
US10346683B2 (en) Method and apparatus for object identification and location correlation based on received images
CN112184890B (zh) 一种应用于电子地图中的摄像头精准定位方法及处理终端
US9165375B2 (en) Automatically determining field of view overlap among multiple cameras
JP2018163654A (ja) 電気通信インベントリ管理のためのシステムおよび方法
JP6950832B2 (ja) 位置座標推定装置、位置座標推定方法およびプログラム
CN103996036A (zh) 一种地图数据采集方法及装置
US20150363924A1 (en) Method for inspection of electrical equipment
US10783373B2 (en) Method and apparatus for augmenting reality
CN113033266A (zh) 人员运动轨迹追踪方法、装置、系统及电子设备
CN114969221A (zh) 一种更新地图的方法及相关设备
CN113011445A (zh) 标定方法、识别方法、装置及设备
CN109712249B (zh) 地理要素增强现实方法及装置
CN111652915A (zh) 一种遥感图像的重叠区域计算方法、装置及电子设备
CN110827340B (zh) 地图的更新方法、装置及存储介质
CN115984417A (zh) 一种语义建图方法、装置及存储介质
CN113902047B (zh) 图像元素匹配方法、装置、设备以及存储介质
CN115830073A (zh) 地图要素重建方法、装置、计算机设备和存储介质
CN111833253B (zh) 兴趣点空间拓扑构建方法和装置、计算机系统和介质
CN117575878B (zh) 交通设施资产数据智能管理方法、装置、电子设备和介质
CN113112551A (zh) 相机参数的确定方法、装置、路侧设备和云控平台
CN111383337A (zh) 用于识别对象的方法和装置
JP2019174989A (ja) 画像圧縮方法及び画像圧縮装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant